从“世界空间”(Wx,Wy,Wz)到“屏幕空间”(Sx,Sy)有5个步骤：视图，裁剪，投影，透视分割，视口。这是描述得很好here，但一些细节被掩盖了。我将尝试从概念上解释这些步骤。
假设你有一些顶点（我们想要渲染的），一个摄像机（有位置和方向-它指向的方向），和一个屏幕（WIDTHxHEIGHT像素的矩形网格）。
模型矩阵我想您已经了解：最后一个“1.0“（有时称为w分量）允许我们将平移和投影（以及缩放和旋转）表示为单个4x 4矩阵。
视图矩阵（也称为相机矩阵）将所有顶点移动到相机的视点。我认为它分为两个步骤：首先，它平移整个场景（包括摄像机在内的所有顶点），使摄像机在新坐标系中位于原点。其次，它旋转整个场景，使摄像机从原点向-Z轴的方向看。对于here有一个很好的描述。（数学上，旋转首先发生，但是我发现如果我先做平移的话会更容易可视化。）此时，每个顶点都在视图坐标(Vx,Vy,Vz,1.0)中。抓住冰块并移动它，使摄影机位于原点，并沿着-z轴指向（世界上的所有其他对象都将随它们嵌入的冰块一起移动）。
接下来，投影矩阵对照相机具有什么类型的透镜（广角与长焦）进行编码;换句话说，世界上有多少地方将在屏幕上可见。这是描述得很好的here，但以下是它的计算方法：

[    near/width   ][        0        ][         0              ][        0       ]
[        0        ][    near/height  ][         0              ][        0       ]
[        0        ][        0        ][(far+near)/(far-near)   ][        1       ]
[        0        ][        0        ][-(2*near*far)/(far-near)][        0       ]

near = near plane distance (everything closer to the camera than this is clipped).
far  = far plane distance (everything farther from the camera than this is clipped).
width  = the widest object we can see if it is at the near plane.
height = the tallest object we can see if it is at the near plane.

。结果为“剪辑坐标”(Cx,Cy,Cz,Cw=Vz)。请注意，视图空间z坐标（Vz）在裁剪坐标的w坐标中结束（Cw）这个矩阵拉伸了世界，使摄像机的视野现在是上下左右45度。换句话说，如果你从原点看（摄影机位置）沿着-z轴直线（摄像机指向的方向），您将看到屏幕中心的内容，如果您向上{下，左，右}旋转头部，您将看到顶部{下，左，right}。您可以将其可视化为一个金字塔形状，其中摄像机位于金字塔的顶部，摄像机直接向下看金字塔内部。（如果使用近平面和远平面剪切棱锥的顶部和底部，则此形状称为“截锥”-请参见下一段。）Cz值计算使近平面上的顶点具有Cz = -Cw，远平面上的顶点具有Cz = Cw
剪切发生在剪切坐标中（这就是为什么它们被称为剪切坐标）。剪切意味着你用剪刀剪切掉金字塔形状之外的任何东西。你还剪切了离相机太近的所有东西（“近平面”）和离相机太远的所有东西（“远平面”）。请参阅here了解详细信息。
接下来是透视分割。还记得Cw == Vz吗？这是从相机到顶点沿着z轴的距离。（摄像机指向的方向）。我们将每个组件除以此Cw值，以获得归一化投影坐标（NPC）(Nx=Cx/Cw, Ny=Cy/Cw, Nz=Cz/Cw, Nw=Cw/Cw=1.0).所有这些值（Nx，Ny和Nz）之间的差值-因为我们剪掉了Cx > Cw，Cx < -Cw，Cy > Cw，Cy < -Cw，Cz > Cw，Cz < -Cw，关于这个的更多细节，请看here。透视分割是使距离更远的物体看起来更小的方法。物体离相机越远，Cw（Vz）就越大，分割时它的X和Y坐标就减少得越多。
最后一步是视口变换。NxNy和Nz（每个范围从-1到1）被转换成像素坐标。例如，Nx=-1在屏幕的左边，而Nx=1在屏幕的右边，所以我们得到Sx = (Nx * WIDTH/2) + (WIDTH/2)或等价的Sx = (Nx+1) * WIDTH。对于Sy类似。你可以认为Sz是将在深度缓冲器中使用的值，因此，它的范围需要从用于近平面（Vz=near）处的顶点的0到用于远平面（Vz=far）处的顶点的深度缓冲器可以保持的最大值（例如，对于24位z缓冲器，2^24= 16777216）。

您所称的“摄像机矩阵”听起来像是两个矩阵的组合：视图矩阵和投影矩阵。有可能你只是在讨论其中的一个，但它并不清晰。

**视图矩阵：**视图矩阵是摄像机模型矩阵的 * 逆 *，如果你在世界上绘制它。为了绘制不同的摄像机Angular ，我们实际上在相反的方向移动整个世界-所以只有一个摄像机Angular 。

通常在OpenGL中，相机“实际上”停留在（0，0，0），并沿着Z轴的正方向（朝向0，0，+∞）观看。您可以对投影矩阵进行旋转，以获得不同的方向，但为什么要这样做呢？在视图矩阵中进行所有旋转，您的生活会更简单。
例如，如果你想让你的摄像头在（0，3，0），而不是把摄像头向上移动3个单位，我们把它留在（0，0，0），把整个世界向下移动3个单位。如果你想让它旋转90度，我们实际上把世界向相反的方向旋转90度。世界不会介意--它只是电脑里的数字--它不会头晕。
我们只在渲染时才这样做。例如，所有的游戏物理计算 * 都不是 * 在旋转世界中完成的。当我们旋转摄像头时，世界中物体的坐标不会改变--除非在渲染系统内部。通常，我们告诉GPU物体的正常世界坐标，然后让GPU使用矩阵为我们移动和旋转它们。

**投影矩阵：**您知道 * 视锥 * 吗？您可能以前见过这个形状：（credit）（英文）

在截棱锥形状（截锥体）内的所有内容都显示在屏幕上。
只是计算机实际上并不是呈现一个截锥，而是呈现一个立方体，视图矩阵将截锥转换成立方体。
如果你熟悉线性代数，你可能会注意到一个3D矩阵不能把一个立方体变成一个截锥。通过使用使w依赖于z的视图矩阵，远处点的坐标被除以更大的数，所以它们被推向屏幕的中间--这就是立方体如何变成平截头体的原因。
你不一定要有一个平截头体--这是你用透视投影得到的。你也可以使用正投影，它把一个立方体变成一个立方体，只要不改变w。
除非你想自己做一大堆数学运算，否则我建议你只使用库函数来生成投影矩阵。
如果你把顶点乘以一行中的几个矩阵，那么把它们合并成一个矩阵，然后把顶点乘以合并后的矩阵会更有效--因此你经常会看到MVP、MV和VP矩阵的使用。（M =模型矩阵--我想这和你所说的世界矩阵是一样的）